脑损伤康复机器人的神经可塑性视听诱发增强与健患机能补偿控制技术研究

Brain damage rehabilitation is a focus issue of the society. The essence of brain damage rehabilitation is functional compensation using redundant neurons based on enhancement of neuroplasticity. This project emphasizes on motor intent prediction and collaborative rehabilitation control of brain-controlled robots. Research on the audio-visual induced neural plasticity enhancement and the function compensation control between health and disabled for brain injury rehabilitation robot will be investigated. Based on mirror neuron mechanism, this project will examine the responses to emergency and task-driven specified visual and auditory stimuli as well as design different levels of VR rich stimulation based on motor relearning theory to promote neuroplasticity. Using Bereitschafts potential (BP) and EMG to predict motor intent and decode fine movements to ensure the timeliness of passive and initiative neural stimulation. A quantitative assessment of motor function of the affected limbs will be proposed based on brain-muscular-motor information to provide feedback to the control of rehabilitation robot. Furthermore, motor intent and haptic interactive information will be combined for of self-adaptive impedance control using compensation based on the motion at unaffected side to ensure the training strategy that the robot reduces support as the motor ability improves. At last, the proposed technique will be verified on a brain-muscular-controlled exoskeleton. Findings in this project will lead innovative development of brain damage rehabilitation concepts and brain-controlled robots.

脑损伤康复是老龄化社会关注的焦点问题，其本质在于增强神经可塑性有效实现冗余神经功能代偿。本课题依托神经可塑性特异性诱发与刺激时效性增强的前沿成果，强化脑控机器人运动意图预知与协同康复控制，探索脑损伤康复机器人的神经可塑性视听诱发增强与健患机能补偿控制技术。基于镜像神经元机制，研究应急响应与任务驱动的特异性视听刺激响应规律以及基于运动再学习理论的VR丰富康复分级设计，提升神经康复的可塑性；同时，依托运动准备电位和肌电信息，实现肢体运动预知和精细运动解码，保证主被动神经刺激时效性；进而提出基于脑-肌-运动信息的患肢运动机能量化评估方法，支持康复机器人控制的机能反馈；在此基础上，进一步融合运动意图与触觉交互信息实现健患机能补偿阻抗自适应控制，保障人进机退康复训练机制落实；最后，在脑肌控制外骨骼机器人上进行神经可塑性视听增强和机能补偿技术验证，引领脑损伤康复理念与脑控机器人技术的创新发展。

本项目重点研究脑损伤康复机器人的神经可塑性视听诱发增强与健患机能补偿控制技术。在视听觉特异性脑刺激与丰富训练方面，创新设计了一种双帧图形交替错觉运动诱发脑电范式；同时，探索亮度与运动混合诱发下的视觉中枢响应规律，设计亮度和运动混合的脑机接口范式；进而，根据特异性任务驱动的患者运动意念诱发增强机制，设计开发了具有升级策略的SSVEP-MI混合脑机协同控制康复训练系统，提升主动康复训练能力。在脑肌电运动意图融合解码方面。提出了基于时频图像融合的稳态运动视觉诱发电位消噪与特征增强和基于双稳态随机共振的SSVEP瞬态特征提取与快速识别方法，提升了SSVEP的临床应用能力；在此基础上，构建人体运动的关注度与视觉混合异步脑-机接口，提出了深度卷积生成对抗网络的脑肌短时傅里叶图像运动意图分类算法，支持脑肌融合的运动意图有效解码。在脑/肌运动信息融合的康复训练评估方面。提出脑状态LZV复杂度、基于传递熵的中枢-外周神经传导能力和基于视觉图像三维姿态的人体行为复杂度和运动协调特征评估方法，实现了脑/肌运动融合的脑损伤状态综合评估。在康复机器人健患侧机能补偿控制方面。提出了基于肌电信号和肢体模型的力矩动态感知方法，基于人体运动学和肌肉骨骼模型，实现了患肢主动肌力肌电估计。在此基础上，依据阻抗控制器刚度参数调整规律实现康复机器人的力/位闭环反馈和健患侧机能补偿控制机制。在脑损伤康复外骨骼机器人集成验证方面。研发了脑损伤康复上下肢预售的外骨骼机器人，并完成其医院临床验证，获得500万天使投资，实现了技术与产品的产业转化。项目研究成果显著，发表论文26篇，其中SCI检索19篇，EI检索7篇；申请/授权国家专利8项，参加境外学术会议4次，开展境外学术合作2人次；培养博士研究生8名和硕士研究生5名；研究成果获国内外竞赛大奖6项，全面达到并超额完成项目的预定目标。